浏览排行
- 最近一个月内用户统计排行(不含本月)
- 半年内用户统计排行(不含本月)
- 一年内用户统计排行(不含本月)
- 两年内用户统计排行(不含本月)
- 三年内用户统计排行(不含本月)
1
摘要：
谷歌知识图谱技术近年来引起了广泛关注，由于公开披露的技术资料较少，使人一时难以看清该技术的内涵和价值.从知识图谱的定义和技术架构出发，对构建知识图谱涉及的关键技术进行了自底向上的全面解析.1)对知识图谱的定义和内涵进行了说明，并给出了构建知识图谱的技术框架，按照输入的知识素材的抽象程度将其划分为3个层次：信息抽取层、知识融合层和知识加工层;2)分别对每个层次涉及的关键技术的研究现状进行分类说明，逐步揭示知识图谱技术的奥秘，及其与相关学科领域的关系;3)对知识图谱构建技术当前面临的重大挑战和关键问题进行了总结.
谷歌知识图谱技术近年来引起了广泛关注，由于公开披露的技术资料较少，使人一时难以看清该技术的内涵和价值.从知识图谱的定义和技术架构出发，对构建知识图谱涉及的关键技术进行了自底向上的全面解析.1)对知识图谱的定义和内涵进行了说明，并给出了构建知识图谱的技术框架，按照输入的知识素材的抽象程度将其划分为3个层次：信息抽取层、知识融合层和知识加工层;2)分别对每个层次涉及的关键技术的研究现状进行分类说明，逐步揭示知识图谱技术的奥秘，及其与相关学科领域的关系;3)对知识图谱构建技术当前面临的重大挑战和关键问题进行了总结.
2
摘要：
人们构建的知识库通常被表示为网络形式，节点代表实体，连边代表实体间的关系.在网络表示形式下，人们需要设计专门的图算法存储和利用知识库，存在费时费力的缺点，并受到数据稀疏问题的困扰.最近，以深度学习为代表的表示学习技术受到广泛关注.表示学习旨在将研究对象的语义信息表示为稠密低维实值向量，知识表示学习则面向知识库中的实体和关系进行表示学习.该技术可以在低维空间中高效计算实体和关系的语义联系，有效解决数据稀疏问题，使知识获取、融合和推理的性能得到显著提升.介绍知识表示学习的最新进展，总结该技术面临的主要挑战和可能解决方案，并展望该技术的未来发展方向与前景.
人们构建的知识库通常被表示为网络形式，节点代表实体，连边代表实体间的关系.在网络表示形式下，人们需要设计专门的图算法存储和利用知识库，存在费时费力的缺点，并受到数据稀疏问题的困扰.最近，以深度学习为代表的表示学习技术受到广泛关注.表示学习旨在将研究对象的语义信息表示为稠密低维实值向量，知识表示学习则面向知识库中的实体和关系进行表示学习.该技术可以在低维空间中高效计算实体和关系的语义联系，有效解决数据稀疏问题，使知识获取、融合和推理的性能得到显著提升.介绍知识表示学习的最新进展，总结该技术面临的主要挑战和可能解决方案，并展望该技术的未来发展方向与前景.
3
摘要：
云计算、物联网、社交网络等新兴服务促使人类社会的数据种类和规模正以前所未有的速度增长，大数据时代正式到来.数据从简单的处理对象开始转变为一种基础性资源，如何更好地管理和利用大数据已经成为普遍关注的话题.大数据的规模效应给数据存储、管理以及数据分析带来了极大的挑战，数据管理方式上的变革正在酝酿和发生.对大数据的基本概念进行剖析，并对大数据的主要应用作简单对比.在此基础上，阐述大数据处理的基本框架，并就云计算技术对于大数据时代数据管理所产生的作用进行分析.最后归纳总结大数据时代所面临的新挑战.
云计算、物联网、社交网络等新兴服务促使人类社会的数据种类和规模正以前所未有的速度增长，大数据时代正式到来.数据从简单的处理对象开始转变为一种基础性资源，如何更好地管理和利用大数据已经成为普遍关注的话题.大数据的规模效应给数据存储、管理以及数据分析带来了极大的挑战，数据管理方式上的变革正在酝酿和发生.对大数据的基本概念进行剖析，并对大数据的主要应用作简单对比.在此基础上，阐述大数据处理的基本框架，并就云计算技术对于大数据时代数据管理所产生的作用进行分析.最后归纳总结大数据时代所面临的新挑战.
4
2015, 52(10): 2373-2381.
DOI: 10.7544/issn1000-1239.2015.20150562
摘要：
匿名通信技术作为一种主要的隐私增强技术被广泛应用于互联网的各个方面，然而传统的匿名通信系统很容易被监视、检测.因此，国内外研究者一直致力于改进匿名通信系统的不可观测属性，以防范网络审查和监视.然而，如何量化评估这些协议的不可观测程度则几乎没有相关的研究.针对匿名通信系统提出一种基于相对熵的不可观测性度量方法，该方法从敌手的威胁模型出发，将匿名通信系统的输入、输出状态映射到一个交互式图灵机，并在此基础之上提出一个基于相对熵的不可观测性度量框架，该框架能够有效地度量匿名通信系统的不可观测程度.此外，将它应用于TOR匿名通信系统的传输层插件的度量，实验结果表明，该方法能够有效地度量匿名通信系统的不可观测性.
匿名通信技术作为一种主要的隐私增强技术被广泛应用于互联网的各个方面，然而传统的匿名通信系统很容易被监视、检测.因此，国内外研究者一直致力于改进匿名通信系统的不可观测属性，以防范网络审查和监视.然而，如何量化评估这些协议的不可观测程度则几乎没有相关的研究.针对匿名通信系统提出一种基于相对熵的不可观测性度量方法，该方法从敌手的威胁模型出发，将匿名通信系统的输入、输出状态映射到一个交互式图灵机，并在此基础之上提出一个基于相对熵的不可观测性度量框架，该框架能够有效地度量匿名通信系统的不可观测程度.此外，将它应用于TOR匿名通信系统的传输层插件的度量，实验结果表明，该方法能够有效地度量匿名通信系统的不可观测性.
5
2019, 56(1): 69-89.
DOI: 10.7544/issn1000-1239.2019.20180760
摘要：
随着万物互联时代的到来，网络边缘设备产生的数据量快速增加，带来了更高的数据传输带宽需求，同时，新型应用也对数据处理的实时性提出了更高要求，传统云计算模型已经无法有效应对，因此，边缘计算应运而生.边缘计算的基本理念是将计算任务在接近数据源的计算资源上运行，可以有效减小计算系统的延迟，减少数据传输带宽，缓解云计算中心压力，提高可用性，并能够保护数据安全和隐私.得益于这些优势，边缘计算从2014年以来迅速发展.旨在探讨3个问题：边缘计算从哪里来、它的现状如何、它要到哪里去.围绕这3个问题，首先梳理了边缘计算的发展历程，将其归纳为技术储备期、快速增长期和稳健发展期3个阶段，并列举了不同阶段的典型事件.随后，总结了推动边缘计算迅速发展的7项关键技术，并结合已经广泛采用边缘计算的6类典型应用进行了说明.最后，提出了边缘计算在未来发展中需要紧迫解决的6类问题.
随着万物互联时代的到来，网络边缘设备产生的数据量快速增加，带来了更高的数据传输带宽需求，同时，新型应用也对数据处理的实时性提出了更高要求，传统云计算模型已经无法有效应对，因此，边缘计算应运而生.边缘计算的基本理念是将计算任务在接近数据源的计算资源上运行，可以有效减小计算系统的延迟，减少数据传输带宽，缓解云计算中心压力，提高可用性，并能够保护数据安全和隐私.得益于这些优势，边缘计算从2014年以来迅速发展.旨在探讨3个问题：边缘计算从哪里来、它的现状如何、它要到哪里去.围绕这3个问题，首先梳理了边缘计算的发展历程，将其归纳为技术储备期、快速增长期和稳健发展期3个阶段，并列举了不同阶段的典型事件.随后，总结了推动边缘计算迅速发展的7项关键技术，并结合已经广泛采用边缘计算的6类典型应用进行了说明.最后，提出了边缘计算在未来发展中需要紧迫解决的6类问题.
6
2017, 54(10): 2170-2186.
DOI: 10.7544/issn1000-1239.2017.20170471
摘要：
区块链技术的核心特征是“去中心化”和“去信任化”，作为分布式总账技术、智能合约基础平台、分布式新型计算范式，可以有效构建可编程货币、可编程金融和可编程社会，势必将对金融及其他领域带来深远影响，并驱动新一轮技术变革和应用变革.但是区块链技术在提高效率、降低成本、提高数据安全性的同时，也面临严重的隐私泄露问题，得到研究者的广泛关注.将介绍区块链技术架构，定义区块链技术中身份隐私和交易隐私的概念，分析区块链技术在隐私保护方面存在的优势和不足，并分类描述现有研究中针对区块链隐私的攻击方法，例如交易溯源技术和账户聚类技术；然后详细介绍针对区块链网络层、交易层和应用层的隐私保护机制，包括网络层恶意节点检测和限制接入技术、区块链交易层的混币技术、加密技术和限制发布技术，以及针对区块链应用的防御机制；最后，分析了现有区块链隐私保护技术存在的缺陷，展望了未来发展方向.此外，还讨论针对恶意使用区块链技术的监管方法.
区块链技术的核心特征是“去中心化”和“去信任化”，作为分布式总账技术、智能合约基础平台、分布式新型计算范式，可以有效构建可编程货币、可编程金融和可编程社会，势必将对金融及其他领域带来深远影响，并驱动新一轮技术变革和应用变革.但是区块链技术在提高效率、降低成本、提高数据安全性的同时，也面临严重的隐私泄露问题，得到研究者的广泛关注.将介绍区块链技术架构，定义区块链技术中身份隐私和交易隐私的概念，分析区块链技术在隐私保护方面存在的优势和不足，并分类描述现有研究中针对区块链隐私的攻击方法，例如交易溯源技术和账户聚类技术；然后详细介绍针对区块链网络层、交易层和应用层的隐私保护机制，包括网络层恶意节点检测和限制接入技术、区块链交易层的混币技术、加密技术和限制发布技术，以及针对区块链应用的防御机制；最后，分析了现有区块链隐私保护技术存在的缺陷，展望了未来发展方向.此外，还讨论针对恶意使用区块链技术的监管方法.
7
2019, 56(10): 2135-2150.
DOI: 10.7544/issn1000-1239.2019.20190415
摘要：
人类正在经历着由深度学习技术推动的人工智能浪潮，它为人类生产和生活带来了巨大的技术革新.在某些特定领域中，人工智能已经表现出达到甚至超越人类的工作能力.然而，以往的机器学习理论大多没有考虑开放甚至对抗的系统运行环境，人工智能系统的安全和隐私问题正逐渐暴露出来.通过回顾人工智能系统安全方面的相关研究工作，揭示人工智能系统中潜藏的安全与隐私风险.首先介绍了包含攻击面、攻击能力和攻击目标的安全威胁模型.从人工智能系统的4个关键环节——数据输入(传感器)、数据预处理、机器学习模型和输出，分析了相应的安全隐私风险及对策.讨论了未来在人工智能系统安全研究方面的发展趋势.
人类正在经历着由深度学习技术推动的人工智能浪潮，它为人类生产和生活带来了巨大的技术革新.在某些特定领域中，人工智能已经表现出达到甚至超越人类的工作能力.然而，以往的机器学习理论大多没有考虑开放甚至对抗的系统运行环境，人工智能系统的安全和隐私问题正逐渐暴露出来.通过回顾人工智能系统安全方面的相关研究工作，揭示人工智能系统中潜藏的安全与隐私风险.首先介绍了包含攻击面、攻击能力和攻击目标的安全威胁模型.从人工智能系统的4个关键环节——数据输入(传感器)、数据预处理、机器学习模型和输出，分析了相应的安全隐私风险及对策.讨论了未来在人工智能系统安全研究方面的发展趋势.
8
摘要：
机器学习是人工智能领域的一个重要学科.自从20世纪80年代以来，机器学习在算法、理论和应用等方面都获得巨大成功.2006年以来，机器学习领域中一个叫“深度学习”的课题开始受到学术界广泛关注，到今天已经成为互联网大数据和人工智能的一个热潮.深度学习通过建立类似于人脑的分层模型结构，对输入数据逐级提取从底层到高层的特征，从而能很好地建立从底层信号到高层语义的映射关系.近年来，谷歌、微软、IBM、百度等拥有大数据的高科技公司相继投入大量资源进行深度学习技术研发，在语音、图像、自然语言、在线广告等领域取得显著进展.从对实际应用的贡献来说，深度学习可能是机器学习领域最近这十年来最成功的研究方向.将对深度学习发展的过去和现在做一个全景式的介绍，并讨论深度学习所面临的挑战，以及将来的可能方向.
机器学习是人工智能领域的一个重要学科.自从20世纪80年代以来，机器学习在算法、理论和应用等方面都获得巨大成功.2006年以来，机器学习领域中一个叫“深度学习”的课题开始受到学术界广泛关注，到今天已经成为互联网大数据和人工智能的一个热潮.深度学习通过建立类似于人脑的分层模型结构，对输入数据逐级提取从底层到高层的特征，从而能很好地建立从底层信号到高层语义的映射关系.近年来，谷歌、微软、IBM、百度等拥有大数据的高科技公司相继投入大量资源进行深度学习技术研发，在语音、图像、自然语言、在线广告等领域取得显著进展.从对实际应用的贡献来说，深度学习可能是机器学习领域最近这十年来最成功的研究方向.将对深度学习发展的过去和现在做一个全景式的介绍，并讨论深度学习所面临的挑战，以及将来的可能方向.
9
2018, 55(9): 1853-1870.
DOI: 10.7544/issn1000-1239.2018.20180127
摘要：
区块链是一项具有颠覆许多传统行业的潜力的新兴技术.自以比特币为代表的区块链1.0诞生以来，区块链技术获得了广泛的关注，积累了大量的用户交易数据.而以以太坊为代表的区块链2.0的诞生，更加丰富了区块链的数据类型.区块链技术的火热，催生了大量基于区块链的技术创新的同时也带来许多新的问题，如用户隐私泄露，非法金融活动等.而区块链数据公开的特性，为研究人员通过分析区块链数据了解和解决相关问题提供了前所未有的机会.因此，总结目前区块链数据存在的研究问题、取得的分析成果、可能的研究趋势以及面临的挑战具有重要意义.为此，全面回顾和总结了当前的区块链数据分析的成果，在介绍区块链技术架构和关键技术的基础上，分析了目前区块链系统中主要的数据类型，总结了目前区块链数据的分析方法，并就实体识别、隐私泄露风险分析、网络画像、网络可视化、市场效应分析、交易模式识别、非法行为检测与分析等7个问题总结了当前区块链数据分析的研究进展.最后针对目前区块链数据分析研究中存在的不足分析和展望了未来的研究方向以及面临的挑战.
区块链是一项具有颠覆许多传统行业的潜力的新兴技术.自以比特币为代表的区块链1.0诞生以来，区块链技术获得了广泛的关注，积累了大量的用户交易数据.而以以太坊为代表的区块链2.0的诞生，更加丰富了区块链的数据类型.区块链技术的火热，催生了大量基于区块链的技术创新的同时也带来许多新的问题，如用户隐私泄露，非法金融活动等.而区块链数据公开的特性，为研究人员通过分析区块链数据了解和解决相关问题提供了前所未有的机会.因此，总结目前区块链数据存在的研究问题、取得的分析成果、可能的研究趋势以及面临的挑战具有重要意义.为此，全面回顾和总结了当前的区块链数据分析的成果，在介绍区块链技术架构和关键技术的基础上，分析了目前区块链系统中主要的数据类型，总结了目前区块链数据的分析方法，并就实体识别、隐私泄露风险分析、网络画像、网络可视化、市场效应分析、交易模式识别、非法行为检测与分析等7个问题总结了当前区块链数据分析的研究进展.最后针对目前区块链数据分析研究中存在的不足分析和展望了未来的研究方向以及面临的挑战.
10
2018, 55(12): 2587-2599.
DOI: 10.7544/issn1000-1239.2018.20180623
摘要：
随着医疗大数据时代的到来，知识互联受到了广泛的关注.如何从海量的数据中提取有用的医学知识，是医疗大数据分析的关键.知识图谱技术提供了一种从海量文本和图像中抽取结构化知识的手段，知识图谱与大数据技术、深度学习技术相结合，正在成为推动人工智能发展的核心驱动力.知识图谱技术在医疗领域拥有广阔的应用前景，该技术在医疗领域的应用研究将会在解决优质医疗资源供给不足和医疗服务需求持续增加的矛盾中产生重要的作用.目前，针对医学知识图谱的研究还处于探索阶段，现有知识图谱技术在医疗领域普遍存在效率低、限制多、拓展性差等问题.首先针对医疗领域大数据专业性强、结构复杂等特点，对医学知识图谱架构和构建技术进行了全面剖析;其次，分别针对医学知识图谱中知识表示、知识抽取、知识融合和知识推理这4个模块的关键技术和研究进展进行综述，并对这些技术进行实验分析与比较.此外，介绍了医学知识图谱在临床决策支持、医疗智能语义检索、医疗问答等医疗服务中的应用现状.最后对当前研究存在的问题与挑战进行了讨论和分析，并对其发展前景进行了展望.
随着医疗大数据时代的到来，知识互联受到了广泛的关注.如何从海量的数据中提取有用的医学知识，是医疗大数据分析的关键.知识图谱技术提供了一种从海量文本和图像中抽取结构化知识的手段，知识图谱与大数据技术、深度学习技术相结合，正在成为推动人工智能发展的核心驱动力.知识图谱技术在医疗领域拥有广阔的应用前景，该技术在医疗领域的应用研究将会在解决优质医疗资源供给不足和医疗服务需求持续增加的矛盾中产生重要的作用.目前，针对医学知识图谱的研究还处于探索阶段，现有知识图谱技术在医疗领域普遍存在效率低、限制多、拓展性差等问题.首先针对医疗领域大数据专业性强、结构复杂等特点，对医学知识图谱架构和构建技术进行了全面剖析;其次，分别针对医学知识图谱中知识表示、知识抽取、知识融合和知识推理这4个模块的关键技术和研究进展进行综述，并对这些技术进行实验分析与比较.此外，介绍了医学知识图谱在临床决策支持、医疗智能语义检索、医疗问答等医疗服务中的应用现状.最后对当前研究存在的问题与挑战进行了讨论和分析，并对其发展前景进行了展望.
11
2018, 55(11): 2452-2466.
DOI: 10.7544/issn1000-1239.2018.20170658
摘要：
随着以比特币为代表的区块链技术的蓬勃发展，区块链技术已经开始逐步超越可编程货币时代而进入智能合约时代.智能合约(smart contract)是一种由事件驱动的、具有状态的代码合约和算法合同，随着区块链技术的深入发展而受到广泛关注和研究.智能合约利用协议和用户接口完成合约过程的所有步骤,允许用户在区块链上实现个性化的代码逻辑.基于区块链的智能合约技术具有去中心化、自治化、可观察、可验证、可信息共享等特点，可以有效构建可编程金融和可编程社会，广泛应用于数字支付、金融资产处置、多重签名合约、云计算、物联网、共享经济等多个领域.首先阐述了智能合约技术的基本概念、全生命周期、基本分类、基本架构、关键技术、发展现状以及智能合约的主要技术平台；然后探讨了智能合约技术的应用场景以及发展中所存在的问题；最后，基于智能合约的理论知识，搭建了以太坊实验环境并开发了一个众筹智能合约系统，旨在为基于区块链的智能合约技术的研究与发展提供参考与借鉴.
随着以比特币为代表的区块链技术的蓬勃发展，区块链技术已经开始逐步超越可编程货币时代而进入智能合约时代.智能合约(smart contract)是一种由事件驱动的、具有状态的代码合约和算法合同，随着区块链技术的深入发展而受到广泛关注和研究.智能合约利用协议和用户接口完成合约过程的所有步骤,允许用户在区块链上实现个性化的代码逻辑.基于区块链的智能合约技术具有去中心化、自治化、可观察、可验证、可信息共享等特点，可以有效构建可编程金融和可编程社会，广泛应用于数字支付、金融资产处置、多重签名合约、云计算、物联网、共享经济等多个领域.首先阐述了智能合约技术的基本概念、全生命周期、基本分类、基本架构、关键技术、发展现状以及智能合约的主要技术平台；然后探讨了智能合约技术的应用场景以及发展中所存在的问题；最后，基于智能合约的理论知识，搭建了以太坊实验环境并开发了一个众筹智能合约系统，旨在为基于区块链的智能合约技术的研究与发展提供参考与借鉴.
12
摘要：
知识库的实体对齐(entity alignment)工作是近年来的研究热点问题.知识库实体对齐的目标是能够高质量链接多个现有知识库，并从顶层创建一个大规模的统一的知识库，从而帮助机器理解底层数据.然而，知识库实体对齐在数据质量、匹配效率等多个方面存在很多问题与挑战有待解决.从这些挑战出发，对十几年来的可用于知识库实体对齐的技术和算法进行综述，通过分类和总结现有技术，为进一步的研究工作提供可选方案.首先形式化定义了知识库实体对齐问题；然后对知识库的实体对齐工作进行总体概述，并从对齐算法、特征匹配技术和分区索引技术3个方面详细总结了各种可用方法和研究进展，重点从局部和全局2个角度对主流的集体对齐算法进行详细阐述，并介绍了常用的评测数据集；最后对未来重点的研究内容和发展方向进行了探讨和展望.
知识库的实体对齐(entity alignment)工作是近年来的研究热点问题.知识库实体对齐的目标是能够高质量链接多个现有知识库，并从顶层创建一个大规模的统一的知识库，从而帮助机器理解底层数据.然而，知识库实体对齐在数据质量、匹配效率等多个方面存在很多问题与挑战有待解决.从这些挑战出发，对十几年来的可用于知识库实体对齐的技术和算法进行综述，通过分类和总结现有技术，为进一步的研究工作提供可选方案.首先形式化定义了知识库实体对齐问题；然后对知识库的实体对齐工作进行总体概述，并从对齐算法、特征匹配技术和分区索引技术3个方面详细总结了各种可用方法和研究进展，重点从局部和全局2个角度对主流的集体对齐算法进行详细阐述，并介绍了常用的评测数据集；最后对未来重点的研究内容和发展方向进行了探讨和展望.
13
2020, 57(2): 346-362.
DOI: 10.7544/issn1000-1239.2020.20190455
摘要：
大规模数据收集大幅提升了机器学习算法的性能，实现了经济效益和社会效益的共赢，但也令个人隐私保护面临更大的风险与挑战.机器学习的训练模式主要分为集中学习和联邦学习2类，前者在模型训练前需统一收集各方数据，尽管易于部署，却存在极大数据隐私与安全隐患；后者实现了将各方数据保留在本地的同时进行模型训练，但该方式目前正处于研究的起步阶段，无论在技术还是部署中仍面临诸多问题与挑战.现有的隐私保护技术研究大致分为2条主线，即以同态加密和安全多方计算为代表的加密方法和以差分隐私为代表的扰动方法，二者各有利弊.为综述当前机器学习的隐私问题，并对现有隐私保护研究工作进行梳理和总结，首先分别针对传统机器学习和深度学习2类情况，探讨集中学习下差分隐私保护的算法设计；之后概述联邦学习中存在的隐私问题及保护方法；最后总结目前隐私保护中面临的主要挑战，并着重指出隐私保护与模型可解释性研究、数据透明之间的问题与联系.
大规模数据收集大幅提升了机器学习算法的性能，实现了经济效益和社会效益的共赢，但也令个人隐私保护面临更大的风险与挑战.机器学习的训练模式主要分为集中学习和联邦学习2类，前者在模型训练前需统一收集各方数据，尽管易于部署，却存在极大数据隐私与安全隐患；后者实现了将各方数据保留在本地的同时进行模型训练，但该方式目前正处于研究的起步阶段，无论在技术还是部署中仍面临诸多问题与挑战.现有的隐私保护技术研究大致分为2条主线，即以同态加密和安全多方计算为代表的加密方法和以差分隐私为代表的扰动方法，二者各有利弊.为综述当前机器学习的隐私问题，并对现有隐私保护研究工作进行梳理和总结，首先分别针对传统机器学习和深度学习2类情况，探讨集中学习下差分隐私保护的算法设计；之后概述联邦学习中存在的隐私问题及保护方法；最后总结目前隐私保护中面临的主要挑战，并着重指出隐私保护与模型可解释性研究、数据透明之间的问题与联系.
14
摘要：
BJUT-3D是目前国际上最大的中国人的三维人脸数据库，其中包括经过预处理的1200名中国人的三维人脸数据，这一数据资源对于三维人脸识别与建模方面的研究有重要意义.首先介绍了BJUT-3D数据库的数据获取条件、数据形式，并针对数据库建立过程中数据预处理技术进行了讨论.最后作为数据库的直接应用，进行了多姿态人脸识别和人脸姿态估计算法的研究.实验结果证实，该算法具有良好的性能.
BJUT-3D是目前国际上最大的中国人的三维人脸数据库，其中包括经过预处理的1200名中国人的三维人脸数据，这一数据资源对于三维人脸识别与建模方面的研究有重要意义.首先介绍了BJUT-3D数据库的数据获取条件、数据形式，并针对数据库建立过程中数据预处理技术进行了讨论.最后作为数据库的直接应用，进行了多姿态人脸识别和人脸姿态估计算法的研究.实验结果证实，该算法具有良好的性能.
15
2018, 55(2): 327-337.
DOI: 10.7544/issn1000-1239.2018.20170228
摘要：
随着万物联网的趋势不断加深，智能手机、智能眼镜等端设备的数量不断增加，使数据的增长速度远远超过了网络带宽的增速；同时，增强现实、无人驾驶等众多新应用的出现对延迟提出了更高的要求.边缘计算将网络边缘上的计算、网络与存储资源组成统一的平台为用户提供服务，使数据在源头附近就能得到及时有效的处理.这种模式不同于云计算要将所有数据传输到数据中心，绕过了网络带宽与延迟的瓶颈，引起了广泛的关注.首先介绍边缘计算的概念，并给出边缘计算的定义；随后，比较了当前比较有代表性的3个边缘计算平台，并通过一些应用实例来分析边缘计算在移动应用和物联网应用上的优势；最后阐述了当前边缘计算面临的挑战.
随着万物联网的趋势不断加深，智能手机、智能眼镜等端设备的数量不断增加，使数据的增长速度远远超过了网络带宽的增速；同时，增强现实、无人驾驶等众多新应用的出现对延迟提出了更高的要求.边缘计算将网络边缘上的计算、网络与存储资源组成统一的平台为用户提供服务，使数据在源头附近就能得到及时有效的处理.这种模式不同于云计算要将所有数据传输到数据中心，绕过了网络带宽与延迟的瓶颈，引起了广泛的关注.首先介绍边缘计算的概念，并给出边缘计算的定义；随后，比较了当前比较有代表性的3个边缘计算平台，并通过一些应用实例来分析边缘计算在移动应用和物联网应用上的优势；最后阐述了当前边缘计算面临的挑战.
16
摘要：
近几年来，将深度学习应用到处理和图结构数据相关的任务中越来越受到人们的关注.图神经网络的出现使其在上述任务中取得了重大突破，比如在社交网络、自然语言处理、计算机视觉甚至生命科学等领域得到了非常广泛的应用.图神经网络可以把实际问题看作图中节点之间的连接和消息传播问题，对节点之间的依赖关系进行建模，从而能够很好地处理图结构数据.鉴于此，系统综述了图神经网络模型以及应用.首先从谱域、空间域和池化3方面对图卷积神经网络进行了阐述.然后，描述了基于注意力机制和自编码器的图神经网络模型，并补充了一些其他方法实现的图神经网络.其次，总结了针对图神经网络能不能做大做深等问题的讨论分析.进而，概括了图神经网络的4个框架.还详细说明了在图神经网络在自然语言处理、计算机视觉等方面的应用.最后，对图神经网络未来的研究进行了展望和总结.相较于已有的图神经网络综述文章，详细阐述了谱理论知识，并对基于谱域的图卷积神经网络体系进行全面总结.同时，给出了针对空间域图卷积神经网络效率低的改进模型这一新的分类标准.并总结了针对图神经网络表达能力、理论保障等的讨论分析，增加了新的框架模型.在应用部分，阐述了图神经网络的最新应用.
近几年来，将深度学习应用到处理和图结构数据相关的任务中越来越受到人们的关注.图神经网络的出现使其在上述任务中取得了重大突破，比如在社交网络、自然语言处理、计算机视觉甚至生命科学等领域得到了非常广泛的应用.图神经网络可以把实际问题看作图中节点之间的连接和消息传播问题，对节点之间的依赖关系进行建模，从而能够很好地处理图结构数据.鉴于此，系统综述了图神经网络模型以及应用.首先从谱域、空间域和池化3方面对图卷积神经网络进行了阐述.然后，描述了基于注意力机制和自编码器的图神经网络模型，并补充了一些其他方法实现的图神经网络.其次，总结了针对图神经网络能不能做大做深等问题的讨论分析.进而，概括了图神经网络的4个框架.还详细说明了在图神经网络在自然语言处理、计算机视觉等方面的应用.最后，对图神经网络未来的研究进行了展望和总结.相较于已有的图神经网络综述文章，详细阐述了谱理论知识，并对基于谱域的图卷积神经网络体系进行全面总结.同时，给出了针对空间域图卷积神经网络效率低的改进模型这一新的分类标准.并总结了针对图神经网络表达能力、理论保障等的讨论分析，增加了新的框架模型.在应用部分，阐述了图神经网络的最新应用.
17
2019, 56(1): 209-224.
DOI: 10.7544/issn1000-1239.2019.20180758
摘要：
当前，以大数据分析、人工智能等信息技术为支撑的智慧教育模式已成教育信息化发展的趋势，也成为学术界热点的研究方向.首先，对教学行为、海量知识资源2类教育大数据的挖掘技术进行调研分析；其次，重点论述了导学、推荐、答疑、评价等教学环节中的4项关键技术，包括学习路径生成与导航、学习者画像与个性化推荐、智能在线答疑以及精细化评测，进而对比分析了国内外主流的智慧教育平台;最后，探讨了当前智慧教育研究的局限性，总结出在线智能学习助手、学习者智能评估、网络化群体认知、因果关系发现等智慧教育的研究发展方向.
当前，以大数据分析、人工智能等信息技术为支撑的智慧教育模式已成教育信息化发展的趋势，也成为学术界热点的研究方向.首先，对教学行为、海量知识资源2类教育大数据的挖掘技术进行调研分析；其次，重点论述了导学、推荐、答疑、评价等教学环节中的4项关键技术，包括学习路径生成与导航、学习者画像与个性化推荐、智能在线答疑以及精细化评测，进而对比分析了国内外主流的智慧教育平台;最后，探讨了当前智慧教育研究的局限性，总结出在线智能学习助手、学习者智能评估、网络化群体认知、因果关系发现等智慧教育的研究发展方向.
18
摘要：
随着智能家居、数字医疗、车联网等技术的发展，物联网应用越发普及，其安全问题也受到越来越多研究者的关注.目前，物联网安全的相关研究尚在起步阶段，大部分研究成果还不能完善地解决物联网发展中的安全问题.首先对物联网3层逻辑架构进行了介绍，阐述了每个层次的安全问题与研究现状重点;然后分析并讨论了物联网的主要应用场景(智能家居、智能医疗、车联网、智能电网、工业与公共基础设施)中需要特别关注的隐私保护、入侵检测等安全问题;再次，归纳分析了现有研究工作中的不足与安全问题产生的主要原因，指出物联网安全存在的五大技术挑战：数据共享的隐私保护方法、有限资源的设备安全保护方法、更加有效的入侵检测防御系统与设备测试方法、针对自动化操作的访问控制策略、移动设备的跨域认证方法；最后，通过详尽分析这五大技术挑战，指出了物联网安全未来的研究方向.
随着智能家居、数字医疗、车联网等技术的发展，物联网应用越发普及，其安全问题也受到越来越多研究者的关注.目前，物联网安全的相关研究尚在起步阶段，大部分研究成果还不能完善地解决物联网发展中的安全问题.首先对物联网3层逻辑架构进行了介绍，阐述了每个层次的安全问题与研究现状重点;然后分析并讨论了物联网的主要应用场景(智能家居、智能医疗、车联网、智能电网、工业与公共基础设施)中需要特别关注的隐私保护、入侵检测等安全问题;再次，归纳分析了现有研究工作中的不足与安全问题产生的主要原因，指出物联网安全存在的五大技术挑战：数据共享的隐私保护方法、有限资源的设备安全保护方法、更加有效的入侵检测防御系统与设备测试方法、针对自动化操作的访问控制策略、移动设备的跨域认证方法；最后，通过详尽分析这五大技术挑战，指出了物联网安全未来的研究方向.
19
2017, 54(5): 907-924.
DOI: 10.7544/issn1000-1239.2017.20160941
摘要：
随着物联网的快速发展和4G/5G无线网络的普及，万物互联的时代已经到来，网络边缘设备数量的迅速增加，使得该类设备所产生的数据已达到泽字节(ZB)级别.以云计算模型为核心的集中式大数据处理时代，其关键技术已经不能高效处理边缘设备所产生的数据，主要表现在：1)线性增长的集中式云计算能力无法匹配爆炸式增长的海量边缘数据；2)从网络边缘设备传输海量数据到云中心致使网络传输带宽的负载量急剧增加，造成较长的网络延迟；3)网络边缘数据涉及个人隐私，使得隐私安全问题变得尤为突出；4)有限电能的网络边缘设备传输数据到云中心消耗较大电能.为此，以边缘计算模型为核心的面向网络边缘设备所产生海量数据计算的边缘式大数据处理应运而生，其与现有以云计算模型为核心的集中式大数据处理相结合，即二者相辅相成，应用于云中心和网络边缘端的大数据处理，较好地解决了万物互联时代大数据处理中所存在的上述问题.边缘计算中的“边缘”是个相对的概念，指从数据源到云计算中心数据路径之间的任意计算资源和网络资源.边缘计算的基本理念是将计算任务在接近数据源的计算资源上运行.首先系统地介绍边缘计算的概念和原理；其次，通过现有研究工作为案例(即云计算任务迁移、视频分析、智能家居、智慧城市、智能交通以及协同边缘)，实例化边缘计算的概念；最后，提出边缘计算领域所存在的挑战.该文希望能让学界和产业界了解和关注边缘计算，并能够启发更多的学者开展边缘式大数据处理时代边缘计算模型的研究.
随着物联网的快速发展和4G/5G无线网络的普及，万物互联的时代已经到来，网络边缘设备数量的迅速增加，使得该类设备所产生的数据已达到泽字节(ZB)级别.以云计算模型为核心的集中式大数据处理时代，其关键技术已经不能高效处理边缘设备所产生的数据，主要表现在：1)线性增长的集中式云计算能力无法匹配爆炸式增长的海量边缘数据；2)从网络边缘设备传输海量数据到云中心致使网络传输带宽的负载量急剧增加，造成较长的网络延迟；3)网络边缘数据涉及个人隐私，使得隐私安全问题变得尤为突出；4)有限电能的网络边缘设备传输数据到云中心消耗较大电能.为此，以边缘计算模型为核心的面向网络边缘设备所产生海量数据计算的边缘式大数据处理应运而生，其与现有以云计算模型为核心的集中式大数据处理相结合，即二者相辅相成，应用于云中心和网络边缘端的大数据处理，较好地解决了万物互联时代大数据处理中所存在的上述问题.边缘计算中的“边缘”是个相对的概念，指从数据源到云计算中心数据路径之间的任意计算资源和网络资源.边缘计算的基本理念是将计算任务在接近数据源的计算资源上运行.首先系统地介绍边缘计算的概念和原理；其次，通过现有研究工作为案例(即云计算任务迁移、视频分析、智能家居、智慧城市、智能交通以及协同边缘)，实例化边缘计算的概念；最后，提出边缘计算领域所存在的挑战.该文希望能让学界和产业界了解和关注边缘计算，并能够启发更多的学者开展边缘式大数据处理时代边缘计算模型的研究.
20
摘要：
随着信息技术的发展，以Web2.0技术为基础的博客、微博、社交网络等新兴服务和物联网以前所未有的发展速度产生了类型繁多的数据，而云计算为数据的存储提供了基础平台，这一切造就了大数据时代的正式到来.大数据中蕴藏着巨大的价值，是企业的宝贵财富.但大数据同时也带来了巨大的挑战，个人隐私保护问题就是其中之一.迅速发展的互联网已经成为人们生活中不可或缺的一部分，人们在网络上留下了许多数据足迹，这些数据足迹具有累积性和关联性，将多处数据足迹聚集在一起，就可以发现个人的隐私信息.恶意分子利用这些信息进行欺诈等行为，给个人的生活带来了许多麻烦或经济损失，因此大数据的个人隐私问题引起了工业界和学术界的广泛关注.首先介绍了大数据时代个人隐私保护的相关概念，讨论了个人隐私保护面临的挑战和研究问题；然后从数据层、应用层以及数据展示层叙述了个人隐私保护所使用的技术，探讨了个人隐私保护的相关法律以及行业规范的几个重要方面；最后提出了大数据个人隐私保护的进一步研究方向.
随着信息技术的发展，以Web2.0技术为基础的博客、微博、社交网络等新兴服务和物联网以前所未有的发展速度产生了类型繁多的数据，而云计算为数据的存储提供了基础平台，这一切造就了大数据时代的正式到来.大数据中蕴藏着巨大的价值，是企业的宝贵财富.但大数据同时也带来了巨大的挑战，个人隐私保护问题就是其中之一.迅速发展的互联网已经成为人们生活中不可或缺的一部分，人们在网络上留下了许多数据足迹，这些数据足迹具有累积性和关联性，将多处数据足迹聚集在一起，就可以发现个人的隐私信息.恶意分子利用这些信息进行欺诈等行为，给个人的生活带来了许多麻烦或经济损失，因此大数据的个人隐私问题引起了工业界和学术界的广泛关注.首先介绍了大数据时代个人隐私保护的相关概念，讨论了个人隐私保护面临的挑战和研究问题；然后从数据层、应用层以及数据展示层叙述了个人隐私保护所使用的技术，探讨了个人隐私保护的相关法律以及行业规范的几个重要方面；最后提出了大数据个人隐私保护的进一步研究方向.
- 首页
- 上一页
- 1
- 2
- 3
- 4
- 5
- 下一页
- 末页
- 共5页
- 跳转
- Go
